(本文阅读时间：8分钟)
编者按：近日，微软研究院上线了面向全球研究界的全新线上系列活动 Microsoft Research Forum，旨在共同探讨人工智能时代的最新研究进展、大胆新颖的想法以及全球研究界关注的重要议题。来自微软研究院全球各地的研究人员将分享他们的研究洞见，并与大家进行在线讨论，希望碰撞出更多新的思想火花。
科学研究的突破正在以前所未有的速度影响着现实世界。人工智能的最新研究发展正在重塑人们的生活、工作和思维方式。在第二期的 Microsoft Research Forum 中，来自微软研究院的研究员们探讨了人工智能将如何改变医疗健康与自然科学、人工智能与社会的交叉点，以及人工智能基础技术的持续发展。
下面是 Microsoft Research Forum 第二期节目的简要回顾以及演讲的高光时刻。
观看第二期 Microsoft Research Forum 的完整视频回放请点击链接：
https://www.microsoft.com/en-us/research/quarterly-brief/mar-2024-brief/
主题演讲：科学发现的革命
微软技术院士、微软研究院科学智能中心负责人 Chris Bishop
微软技术院士、微软研究院科学智能中心负责人 Chris Bishop 在本期 Microsoft Research Forum 中分享了他所带领的团队在模拟和预测自然现象方面取得的创新成果与重要进展。
Chris Bishop 表示：“在我看来，科学发现将是人工智能最重要的研究和应用领域。这是因为科学探索可以让我们更好地认识和理解自然界，并反哺技术创新，从而为人类带来真正的改变。”
圆桌讨论：用人工智能改变自然科学
圆桌讨论嘉宾（从左至右）：微软研究院科学智能中心副总监 Bonnie Kruft，微软研究院科学智能中心首席研究员 Rianne van den Berg，微软研究院科学智能中心首席研究员 Tian Xie，微软新英格兰研究院高级研究员 Kristen Severson，微软研究院 Health Futures 首席研究员 Tristan Naumann，微软新英格兰研究院高级研究员 Alex Lu
在圆桌讨论中，微软的研究员们介绍了他们在基础模型、药物发现、材料设计和机器学习领域取得的最新进展。大家纷纷强调了深度学习对自然科学日益增长的影响。
Tristan Naumann：“许多医疗健康领域的数据未能以干净、简洁、易用的方式得到良好的结构化处理。因此，生成式人工智能的进步，特别是大语言模型（LLMs）和多模态模型的发展，提供了一种获得通用结构化工具的可能性。而快速有效地释放部分数据带来了许多新的机遇。”
Tian Xie：“与健康和生物学领域类似，机器学习确实开始颠覆材料发现领域的一些传统方法。”
Kristen Severson：“我们对疾病及其症状有了更深入的了解，所以在训练机器学习模型时，我们希望能够充分利用这些知识。因此，我们不倾向于仅使用‘黑盒方法’，而是使用已有的信息。”
Alex Lu：“生物学以及其他科学学科的独特之处在于不断发现新事物。而这些新事物很难在原始的数据分布中被准确捕捉到。”
Rianne van den Berg：“令人兴奋的是，扩散模型和基于分数的生成模型正在变得越来越受欢迎。这些模型在高分辨率图像生成和视频等方面已经取得了巨大成功，在科学发现领域，它们也展现出了天然而卓越的适用性。”
闪电演讲
AutoGen的创新点
演讲人：微软研究院 AI Frontiers 首席研究员 Chi Wang
Chi Wang 介绍了新一代人工智能应用的多智能体框架 AutoGen 的最新进展，包括已取得的成果、社区反馈、新功能以及未来的研究方向和挑战。同时，他还宣布了 AutoGen 最近的突破性进展。
Chi Wang 表示：“我们在具有挑战性的 GAIA 基准上进行了多智能体实验，并在所有三个级别的排行榜中都取得了准确率第一的成绩。这展示了 AutoGen 在解决复杂任务时的强大能力和巨大潜力。”
生成式人工智能的元认知需求和机遇
演讲人：微软剑桥研究院高级行为科学研究员 Lev Tankelevitch
Lev Tankelevitch 探讨了元认知（监测和调节人的思想和行为的心理能力）如何为理解和解决生成式人工智能系统的可用性挑战提供有价值的视角。这包括提示、评估、依赖输出及工作流优化，这些环节都高度依赖于元认知的监测和控制。
Lev Tankelevitch 表示：“我们相信，元认知视角能够帮助我们分析、衡量和评估生成式人工智能的可用性挑战。此外，它还可以指导我们设计出能够增强人类能动性和工作流的生成式人工智能系统。”
通过语言模型实现模块化：构建并重复使用专家库以进行任务泛化
演讲人：微软蒙特利尔研究院首席研究员 Alessandro Sordoni
Alessandro Sordoni 讨论了最近关于构建和重复使用大量专家语言模型，以改善对未见过的任务的零样本和少样本泛化能力的研究。
Alessandro Sordoni 说道：“展望未来，我认为一个令人激动的方向是将语言模型训练推向完全去中心化，并持续改进这些模型。用户将能训练自己的专家语言模型，并在平台上共享，从而实现模型的持续进步。”
GigaPath：现实世界病理学基础模型
演讲人：微软研究院 Health Futures 首席研究员 Naoto Usuyama
Naoto Usuyama 在分享中展示了 GigaPath。这是一种全新的方法，通过利用多样化的真实癌症患者的数据集，来训练大型视觉 Transformers 以处理十亿级像素的病理图像。该方法旨在为癌症病理的人工智能应用打下基础。
Naoto Usuyama 表示：“GigaPath 项目的成功离不开众多合作者的共同努力。目前，我们才刚开始探索相关领域的冰山一角。我对未来充满期待，希望我们能够充分利用现实世界的患者数据和先进的人工智能技术，发挥其在癌症护理和研究领域的巨大潜力。”
生成式人工智能与多元治理：应对挑战，把握机遇
演讲人：微软雷德蒙研究院高级研究员 Madeleine Daepp
该演讲由两位专家进行分享：微软雷德蒙研究院高级研究员 Madeleine Daepp 和 Baraza 媒体实验室应用研究员兼政策分析师 Vanessa Gathecha。其中，Madeleine Daepp 讨论了生成式人工智能在今年全球70多场重大选举中的潜在影响和挑战。参与了2024微软研究院 AI & Society Fellow 项目的 Vanessa Gatheca 分享了她在肯尼亚和撒哈拉以南非洲所从事的关于虚假信息方面的工作。
Madeleine Daepp 认为：“数字公共领域的割裂是一个社会性问题，亟待全社会的共同应对。微软研究院 AI & Society Fellow 项目正在帮助建立急需跨地区、跨学科和跨社会部门的联系，以帮助相关人士理解问题，并努力采取有影响力的应对措施。”
欢迎注册 Microsoft Research Forum，共同探讨拓展科技边界的前沿研究。
https://register.researchforum.microsoft.com/
你也许还想看：